外れ値、異常値、変化点

の重要性を認識してるかどうかは、なまじ最新・複雑・高難易度の分析手法やアルゴリズムを知っているかよりも本物のデータサイエンティストかを見るのに重要な観点だと思います。
外れ値、異常値、変化点の検出方法は、それはそれで1つの分野であるし、それらの検出方法も突き詰めると異常・予兆検知といった1つの分野に。

時系列データ

であれば、サクッと変化点を見つける方法もある。

XmRチャートなんて呼び方をしている記事があって何ヤツと思ったが、昔から日本の製造業で統計的な品質管理・工程管理として用いられている「QC7つ道具」の1つ、管理図ですな

統計的にキッチリと見たいなら、以下に手法が良くまとまっている。

異常検知

の手法についてもレビュー論文が出る程度には整理されてきている。 距離・密度・予測ベースで分類しているとのこと

日本語だと時系列データの異常検知が一番まとまってそう。あとは
時系列データに異常発見。「時系列異常検知」とはとか。

深層学習を用いた時系列データにおける異常検知の方法も

今後のための参照情報が最低限たまったので、各頁に散らばってた情報も集約しつつ、とりあえずページを立ち上げたところ。
もちろん、より良い情報があれば追加していきます。

他の情報を見たい方は、目次ページへ
仕切り直しで収集情報の整理から｜くすぐったがり｜note